Tall er ikke en ferdig forklaring. Denne siden viser hvordan du bruker daterte, autoritative data som empirisk belegg uten å gjøre gruppemønstre til påstander om enkeltpersoner eller forveksle korrelasjon med kausalitet.
Faglig kvalitetssikret av lærere og toppstudenter · Følger læreplanen (LK20) · Sist oppdatert 2026-09-14
Tallene på siden er hentet fra Statistisk sentralbyrå (SSB) og er merket med referanseår. Inntektsdataene gjelder 2024, utdanningsnivå gjelder 2025, og sysselsettingstallet gjelder 4. kvartal 2025.
Sist faglig kontrollert: 14. september 2026. Ved senere bruk skal tallene kontrolleres mot nyeste SSB-publisering før de omtales som «dagens» eller «nyeste».
SSBs statistikk for husholdningsinntekt viser en Gini-koeffisient på 0,248 i 2024 for forbruksjustert inntekt etter skatt. Gini går fra 0 (helt lik fordeling) til 1 (maksimal ulikhet). Kilde: SSB, «Inntekts- og formuesstatistikk for husholdninger».
Metodepoeng: Eurostat og SSB kan publisere litt ulike Gini-tall fordi definisjoner og inntektskomponenter ikke er identiske. Sammenlign derfor ikke tall uten å sjekke definisjon.
SSB oppgir at 11,1 prosent av personer bodde i husholdninger med årlig lavinntekt etter EU60-målet i 2024, når personer i studenthusholdninger er utelatt. EU60 betyr at husholdningens ekvivalerte inntekt etter skatt ligger under 60 prosent av medianen.
Dette er en statistisk terskel, ikke en full beskrivelse av levekår eller en merkelapp på alle personer under grensen.
Blant personer 16 år og eldre var 38,3 prosent registrert med universitets- eller høgskoleutdanning som høyeste fullførte utdanning i 2025. SSB opplyser at 2025-tallene ble republisert 1. juli 2026 etter retting av manglende fagprøver. Kilde: SSB, «Befolkningens utdanningsnivå».
SSBs arbeidskraftsstatistikk viser 2 902 000 sysselsatte, tilsvarende 69,4 prosent av befolkningen 15–74 år, i 4. kvartal 2025. «Sysselsatt» er en statistisk definisjon og omfatter personer som utførte inntektsgivende arbeid i referanseperioden. Kilde: SSB skole, «Hva er sysselsetting?».
Hvis høyere utdanning samvarierer med inntekt, kan du ikke automatisk konkludere med at utdanning alene forårsaker hele forskjellen. Alder, yrke, arbeidstid, region, familieforhold, tidligere ressurser og seleksjon kan påvirke sammenhengen.
På eksamen bør du derfor skille mellom beskrivelse («gruppene har ulikt gjennomsnitt»), sammenheng («variablene samvarierer») og kausal forklaring («en mekanisme er dokumentert å påvirke utfallet»).
Ikke skriv «personer fra gruppe X gjør Y». Skriv heller «i dette datamaterialet er andelen Y høyere/lavere i gruppe X», og vurder variasjon innad i gruppen, definisjonene som brukes og mulige bakenforliggende forhold.
Strukturelle forklaringer handler om mønstre, institusjoner og handlingsbetingelser – ikke om å tillegge enkeltpersoner egenskaper.
Påstand → datakilde/dato → begrep/teori → mekanisme → metodekritikk → alternativ forklaring → vurdering.
Eksempel: «SSBs 2024-tall viser … Dette kan analyseres med … En mulig mekanisme er … Tallene viser likevel ikke alene at … For å undersøke kausalitet måtte vi også …»
Bruk tallene som empirisk belegg og tren på å forklare mekanismer, metode og alternative forklaringer. Se demografi og befolkningsendring, teori, case og drøfting og kapittelet om sosial ulikhet og klasse.
Et mål på ulikhet i en fordeling. 0 betyr helt lik fordeling og 1 maksimal ulikhet. Definisjonen av inntektsgrunnlaget må sjekkes før tall sammenlignes.
Ikke nødvendigvis. EU60 er en statistisk inntektsindikator. Levekår påvirkes også av formue, gjeld, husholdningsbehov, boligkostnader, helse og andre forhold.
Vanlig deskriptiv statistikk viser mønstre og sammenhenger, men dokumenterer ikke automatisk kausalitet. Kausalitet krever sterkere forskningsdesign og vurdering av alternative forklaringer.
Fordi samfunnsdata endrer seg, og fordi publiseringsår og referanseår kan være ulike. Datering gjør analysen etterprøvbar og reduserer risikoen for å presentere gamle tall som nye.